idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
In einem neuartigen Ansatz haben Forschende der Universität Bayreuth und der Hong Kong University of Science and Technology erstmals ein sogenanntes Multiagentensystem im Batteriedesign eingesetzt. Mit diesem KI-basierten Tool lassen sich Vorschläge für neue Materialien für Batterien deutlich schneller generieren, was das Design von langlebigen und nachhaltigen Next-Generation-Batterien vorantreibt. Über ihre Ergebnisse berichten die Forschenden im renommierten Fachjournal Advanced Materials.
---
What for?
Für die globale Energiewende sind nachhaltige und langlebige Batterien von zentraler Bedeutung. Um die Lebensdauer und Kapazität von Batterien zu erhöhen, sind verbesserte Batteriedesigns mit neuen Materialen notwendig. Die Entdeckung geeigneter Materialien ist allerdings ein langwieriger und Ressourcen-intensiver Prozess. Dieser KI-Ansatz bietet eine Vorlage für die schnellere Entwicklung von Batterien der nächsten Generation und leistet damit einen wichtigen Beitrag zur Lösung großer globaler Herausforderungen.
---
Der Elektrolyt einer Batterie, der zwischen den Elektroden Ionen transportiert und so für den Stromfluss sorgt, ist ausschlaggebend für die Lebensdauer, Sicherheit und Gesamtperformance von Batterien. Damit ist die Entdeckung neuer Elektrolytmaterialien ein treibender Faktor, um die globale Energiewende voranzubringen. Die Identifizierung geeigneter Elektrolyte setzt allerdings lange Forschungsarbeit voraus, in der vielversprechende Materialzusammensetzungen zunächst gefunden und anschließend experimentell getestet werden müssen – ein Prozess, der oft Wochen oder Monate erfordert. Mit einem KI-basierten Ansatz haben Forschende um Prof. Dr. Francesco Ciucci vom Lehrstuhl für Elektrodendesign elektrochemischer Energiespeicher am Bayerischen Zentrum für Batterietechnik (BayBatt) der Universität Bayreuth den ersten Schritt zur Beschleunigung dieses Prozesses gemacht.
Hierfür haben die Bayreuther Forschenden in Zusammenarbeit mit der Hong Kong University of Science ein sogenanntes Multiagentensystem entwickelt, das auf Large-Language-Models (LLM) wie ChatGPT beruht und aus zwei spezialisierten Einheiten (Software-Agenten) besteht, welche kollektiv ein Problem oder eine Fragestellung lösen. Ein Agent hat dabei einen breiten Überblick über die vorliegende Literatur zur Forschungsfrage, der andere hat Zugriff auf fundiertes, detailliertes Fachwissen. Wenn Menschen recherchieren, aussieben und abwägen, dann dauert es Wochen und Monate bis ein geeignetes Material identifiziert ist. Die KI macht das in nur wenigen Stunden. Mit diesem Multiagentensystem hat das Team einen wegweisenden Ansatz zur Nutzung KI-gesteuerter Kreativität zur Beschleunigung der Materialentdeckung geschaffen.
„Unser neues Multiagentensystem fungiert als kreativer wissenschaftlicher Partner mit zwei spezialisierten Agenten, die relevante Literatur analysieren. Durch eine anschließende Simulation einer wissenschaftlichen Debatte verknüpfen die beiden Agenten Ideen aus ihren umfangreichen Trainingsdaten und der Literatur, um neuartige Elektrolytzusammensetzungen vorzuschlagen“, erklärt Ciucci.
Dr. Matthew J. Robson von der Hong Kong University of Science and Technology fügt hinzu: „Das Wichtigste dabei ist die Entwicklung der Rolle der KI im wissenschaftlichen Prozess. Wir haben eine Blaupause für die wissenschaftliche Forschung entworfen, die KI von einem passiven Werkzeug für die Datenanalyse zu einem aktiven, kreativen Partner macht, der wirklich neuartige und hochwertige Hypothesen generieren kann.“
In einem entscheidenden weiteren Schritt hat das Team seine Forschung von der Theorie in die Praxis überführt: Das Multiagentensystem schlug mehrere neuartige kostengünstige und umweltfreundliche Elektrolytkomponenten für Zinkbatterien vor. Einer der Elektrolyten zeigte in der experimentellen Testung eine herausragende Leistung, die mit den fortschrittlichsten Batteriesystemen dieser Elektrolytklasse konkurrieren kann. Das neue Design bewies seine herausragende Haltbarkeit durch mehr als 4.000 Lade- und Entladezyklen. Außerdem stellte es einen neuen Schnelllade-Rekord in seiner Elektrolytklasse auf und bot im Vergleich zu ähnlichen Elektrolyten eine um fast 20 % höhere Kapazität bei Schnellladegeschwindigkeiten.
„Die nachgewiesene Wirksamkeit unseres Multiagentensystems revolutioniert die Entdeckung fortschrittlicher Materialien – auch über Batteriedesign hinaus. Durch unseren KI-Ansatz kann die anfängliche Forschungsphase drastisch verkürzt werden“, sagt Ciucci. Das KI-Netzwerk kann somit als leistungsstarkes Werkzeug zur Ergänzung menschlicher wissenschaftlicher Expertise genutzt werden. Verknüpft mit der Validierung durch Laborexperimente und dem kritischen Urteilsvermögen der Forschenden können die vielversprechenden KI-Vorschläge zu schnelleren Lösungen für globale Herausforderungen führen.
Die Studie wurde von der Deutschen Forschungsgemeinschaft (INST 91/452-1 LAGG) und dem Research Grants Council (RGC) of Hong Kong über das Hong Kong Ph.D. Fellowship Scheme (HKPFS) gefördert.
Prof. Dr. Francesco Ciucci
Elektrodendesign elektrochemischer Energiespeicher
Bayerisches Zentrum für Batterietechnik (BayBatt)
Universität Bayreuth
Tel.: +49 (0)921 / 55-4941
E-Mail: francesco.ciucci@uni-bayreuth.de
Matthew J. Robson, Shengjun Xu, Zilong Wang, Qing Chen, Francesco Ciucci. Multi-Agent-Network-Based Idea Generator for Zinc-Ion Battery Electrolyte Discovery: A Case Study on Zinc Tetrafluoroborate Hydrate-Based Deep Eutectic Electrolytes. Advanced Materials (2025)
DOI: https://doi.org/10.1002/adma.202502649
Merkmale dieser Pressemitteilung:
Journalisten, Wissenschaftler
Chemie, Energie, Informationstechnik, Werkstoffwissenschaften
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
